引言

“大數(shù)據(jù)讓我們變得更智能，而不是更聰明。”– Tim Leberecht

“大數(shù)據(jù)”一詞早在20世紀(jì)40年代就出現(xiàn)了。全世界的公司都在竭盡全力地探索它的潛力。全球的科技巨頭們都在大幅增加大數(shù)據(jù)技術(shù)的支出。這種趨勢(shì)在主要行業(yè)的競(jìng)爭(zhēng)者間還在加劇。

比如，如果我使用與大數(shù)據(jù)相關(guān)的平臺(tái)得出這樣一個(gè)邏輯結(jié)論，X是不可能的。我將排除與X有關(guān)的所有業(yè)務(wù)問題，能明白嗎？

以下就是我的一個(gè)清單。如果你不同意下列中的觀點(diǎn)，那么請(qǐng)證明一下吧!我會(huì)很樂意即使修改我的清單。讓我們用一些商業(yè)直覺和分析的注解來開始解釋我的一些思想。

80:20法則

這個(gè)法則說的是：

“花80%的時(shí)間從過去的數(shù)據(jù)創(chuàng)建故事，20%的時(shí)間花在用現(xiàn)在的商業(yè)把這些故事串聯(lián)起來”

說明：我相信沒有跟商業(yè)直覺聯(lián)系起來的分析見解都是沒有用的。同意么？而且, ?隨著時(shí)間的流逝，以數(shù)據(jù)為驅(qū)動(dòng)的部分在成指數(shù)級(jí)增長。?公司正在被數(shù)據(jù)的洪流所淹沒。但這真的有用嗎？不！

公司必須意識(shí)到，正確的將成功的商業(yè)分析與需要的商業(yè)視覺的比例是80:20。

如果我們建立一個(gè)故事用80%的時(shí)間分析過去的信息以求得對(duì)未來的預(yù)期，我們需要投入20%的時(shí)間思考這些信息對(duì)我們的業(yè)務(wù)有沒有幫助。我們必須想到一些可以改變我們的將來和滿足更廣泛的業(yè)務(wù)目標(biāo)的方法。這需要很強(qiáng)的商業(yè)理解力和良好的業(yè)務(wù)規(guī)則的知識(shí)。

這條法則中20%的成分是無可替代的。因此，人類的介入是為了解決這20%的問題，機(jī)器是不能滿足的。即使是人工智能也不行。因?yàn)椋祟惖膭?chuàng)造力是在無拘束的思考中誕生的。我相信創(chuàng)造力是機(jī)器無法帶給我們的。我的清單正是受到了這個(gè)法則的啟發(fā)。

5件大數(shù)據(jù)可以做到的事情

1.診斷分析?:

我們每天都在做這個(gè)事情。機(jī)器更擅長做這個(gè)。當(dāng)一個(gè)事件發(fā)生的時(shí)候，我們發(fā)現(xiàn)對(duì)尋找起因感興趣。比如，設(shè)想在沙漠A掛起了沙暴，我們有沙漠A地區(qū)的各種參數(shù)：溫度，氣壓，駱駝，道路，汽車等等。如果我們能將這些參數(shù)跟該地區(qū)的沙暴聯(lián)系起來，如果我們知道一些因果關(guān)系，我們可能就會(huì)避免沙暴。想象下大數(shù)據(jù)的威力。

2.預(yù)測(cè)分析?:

我們經(jīng)常做這個(gè)事情。預(yù)測(cè)分析是根植在我們的DNA里的。比如，我們?cè)谌蛴幸粋€(gè)酒店連鎖?，F(xiàn)在我們需要找出那些酒店是沒有達(dá)到銷售目標(biāo)的。如果我們知道的話我們就可以將努力集中在他們身上。這成為了預(yù)測(cè)分析的經(jīng)典問題。

3.在未知元素間尋找關(guān)聯(lián)?:

我喜歡這部分分析。比方說銷售雇員的數(shù)量跟銷售額真的沒有關(guān)系嗎。你可能會(huì)減少一些雇員來看看是否真的對(duì)銷售額沒有損失。

4.規(guī)范的分析?:

這是分析學(xué)的未來。比如說我們嘗試著預(yù)測(cè)一個(gè)在大眾目標(biāo)的恐怖襲擊然后安全的將人們轉(zhuǎn)移的策略。做出這個(gè)預(yù)測(cè)，你需要做出在那個(gè)時(shí)候那個(gè)地點(diǎn)的游客人數(shù)，可能會(huì)被爆炸所影響到的地區(qū)等各種預(yù)測(cè)。

5.監(jiān)控發(fā)生的事件?:

行業(yè)中的大部分人都在做監(jiān)控事件的工作。比如，你需要檢測(cè)一個(gè)活動(dòng)的反饋找到強(qiáng)烈和不強(qiáng)烈的部分。這些分析成為運(yùn)營一個(gè)企業(yè)的關(guān)鍵

5件大數(shù)據(jù)不可以做到的事情

1.預(yù)測(cè)一個(gè)確定的未來?:

使用機(jī)器學(xué)習(xí)的工具我們可以達(dá)到90%的精度。但是我們無法達(dá)到100%的準(zhǔn)確。如果我們可以做到的話，我可以確切的告訴你誰才是目標(biāo)以及每一次100%的響應(yīng)率。但可惜的是這絕不會(huì)發(fā)生。

2.歸咎于新的數(shù)據(jù)源?:

在任何分析上，歸責(zé)耗費(fèi)了大部分時(shí)間。我相信這就是你的創(chuàng)造力和商業(yè)理解的來源?？赡艿氖?，你無法擺脫在你的分析中最無聊的部分。

3.找到一個(gè)商業(yè)問題的創(chuàng)新的解決方案?:

創(chuàng)造力是人類永遠(yuǎn)的專利。沒有機(jī)器可以找到問題的創(chuàng)新的解決方法。這是因?yàn)榧词故侨斯ぶ悄芤彩怯扇藗內(nèi)ゾ幋a的產(chǎn)物，創(chuàng)造力是不會(huì)從算法自己學(xué)習(xí)而來的。

4.找到定義不是很明確的問題的解決方法?:

分析學(xué)最大的挑戰(zhàn)就是從業(yè)務(wù)問題中形成一個(gè)分析問題模型。如果你能做得很好，你正在成為一個(gè)分析明星。這種角色是機(jī)器無法取代你的。比如，你的業(yè)務(wù)問題是管理損耗。除非你定義了響應(yīng)者，時(shí)間窗口等，沒有預(yù)測(cè)算法可以幫你。

5.數(shù)據(jù)管理/簡(jiǎn)化新數(shù)據(jù)源的數(shù)據(jù)?:

隨著數(shù)據(jù)量的增長，數(shù)據(jù)的管理正在成為一個(gè)難題。我們正在處理各種不同結(jié)構(gòu)化的數(shù)據(jù)。比如，圖表數(shù)據(jù)可能更適合網(wǎng)絡(luò)分析但是對(duì)活動(dòng)數(shù)據(jù)是沒用的。這部分信息也是機(jī)器無法分析的。

最后

我相信這篇文章將發(fā)揮它的潛力如果你嘗試了文章中的練習(xí)的話。試著從一個(gè)更全面的視角中思考，你會(huì)發(fā)現(xiàn)機(jī)器無法做到的事情。比如，我的初始點(diǎn)80:20法則指出機(jī)器將無法帶來創(chuàng)造力。這個(gè)啟發(fā)點(diǎn)幫我思考在分析的過程中那些部分是需要?jiǎng)?chuàng)造力的。

End。

作者：Tavish Srivastava

來源：36大數(shù)據(jù)翻譯組#?include?“cxuan.h”翻譯，并經(jīng)由36大數(shù)據(jù)編輯發(fā)布

原文標(biāo)題：Nobody Tells You – 5 things Big Data ‘CAN’ and ‘Cannot’ Do